Phuthend's Blog

November 11, 2010

Contoh Proposal

Filed under: Uncategorized — phuthend @ 6:23 pm
Tags:

Contoh Proposal:

PERANGKAT LUNAK UNTUK MEMPREDIKSI HARGA SAHAM DENGAN MEGGUNAKAN MODEL JARINGAN SARAF TIRUAN

(Studi kasus di Bursa Saham Jakarta)

PROPOSAL SKRIPSI

Oleh :

XXXXXX

101940xx

PROGRAM STUDI S1

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNIK

UNIVERSITAS KOMPUTER INDONESIA

2007


LEMBAR PENGESAHAN

PERANGKAT LUNAK UNTUK MEMPREDIKSI HARGA SAHAM DENGAN MENGGUNAKAN MODEL JARINGAN SARAF TIRUAN

(Studi kasus di Bursa Saham Jakarta)

PROPOSAL SKRIPSI

OLEH :

XXXXXX

101940xx

Telah disetujui dan disahkan sebagai proposal

di Bandung, pada tanggal

Pembimbing

(                                 )
NIP.
BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Pasar saham merupakan pasar yang dipengaruhi oleh banyak faktor seperti ekonomi, politik dan bahkan psikologi, dan faktor-faktor ini saling berinteraksi satu dengan lainnya dalam suatu cara yang sangat kompleks. Oleh sebab itu, secara umum sangatlah sulit untuk memprediksi pergerakan dari pasar saham.

Masalah prediksi dalam pasar saham telah menjadi topik penelitian yang sangat banyak dibahas pada tahun belakangan ini. Secara umum terdapat tiga cara pandang  berbeda  yang didasarkan pada kemampuan untuk mendapatkan keuntungan dari equity market. Cara pandang pertama mempercayai bahwa tidak ada investor yang dapat memperoleh keuntungan perdagangan di atas rata-rata yang didasarkan pada informasi terdahulu dan informasi sekarang. Teori-teori yang mendasari cara pandang ini adalah Random Walk Hypothesis dan Efficient Market Hypothesis [5].

Cara pandang kedua tergolong pada analisis fundamental (fundamental analysis) yang melihat lebih mendalam pada kondisi finansial dan hasil suatu operasi dari perusahaan tertentu dan prilaku yang mendasari saham gabungannya. Cara pandang ketiga tergolong pada analisis teknikal (technical analysis) yang mengasumsikan bahwa pasar saham bergerak mengikuti suatu trend tertentu dan trend ini dapat ditangkap dan digunakan untuk melakukan prediksi. Teknik statistika konvensional untuk memprediksi pasar saham sudah banyak dilakukan dalam analisis fundamental maupun analisis teknikal dan hasil yang diperoleh menunjukkan adanya batasan dalam penerapannya yang diakibatkan nonlinearitas pada himpunan data [1].

Jaringan saraf tiruan adalah suatu teknik yang menggabungkan analisis fundamental dan analisis teknikal. Jaringan saraf tiruan merupakan model nonlinear yang dapat melakukan pelatihan (training) untuk memetakan nilai masa lalu dan nilai sekarang dari data time-series dan mampu untuk meng-ekstrak struktur tersembunyi dan keterhubungan yang membangun data.

Jaringan saraf tiruan didasarkan pada sistem pemrosesan informasi yang struktur dan fungsinya dimotivasi oleh proses kognitif (cognitive process) dan struktur organisasi dari sistem saraf-biologi (neuro-biological systems) [4]. Penerapan jaringan saraf tiruan muncul pada banyak bidang seperti komputer sains, rekayasa, medis dan diagnosa kriminal, investigasi biologi dan penelitian ekonomi. Dalam penerapan jaringan saraf tiruan untuk memprediksi pasar saham telah banyak dilakukan. Dalam penelitian yang dilakukan oleh Sitte [13], menunjukkan bahwa penggunaan jaringan saraf tiruan untuk memprediksi S&P500 tidak berhasil, sedangkan dalam penelitian Kutsurelis [8], diperoleh hasil prediksi mengenai kenaikan harga saham mencapai keakuratan 93.3 % dan penurunan harga saham mencapai keakuratan 88.07 %. Sedangkan penelitian di Indonesia telah dilakukan oleh Budi Bambang DP, et.al [3] yang melakukan prediksi pasar saham di Indonesia. Pada penelitian ini, mereka hanya mengambil dua perusahaan yaitu Semen Gresik (SMGR) dan Gudang Garam (GGRM). Hasil penelitian menunjukkan suatu hasil prediksi yang cukup akurat pada dua perusahaan tersebut.

Berdasarkan hal di atas, di sini penulis tertarik untuk memperluas penggunaan jaringan saraf tiruan dalam memprediksi pasar saham dengan membangun suatu perangkat lunak. Penelitian ini merupakan penelitian lanjutan yang didasarkan pada penelitian yang sudah dilakukan [3]. Perluasan yang dilakukan adalah dalam hal jumlah perusahaan yang dilibatkan. Hal ini dimaksudkan untuk melihat konsistensi dari jaringan saraf tiruan dalam memprediksi harga saham dari berbagai perusahaan.

1.2 Identifikasi Masalah

Prediksi harga saham adalah suatu hal yang melibatkan interakasi yang sangat kompleks antara keadaan pasar yang tidak stabil dan faktor proses acak yang tidak diketahui. Data dari harga saham dapat ditentukan oleh data time series. Jika kita memiliki data harian dari suatu periode tertentu, contohnya  maka harga saham untuk periode selanjutnya  dapat diprediksi (waktu yang digunakan dapat berupa perjam, harian, mingguan, bulanan atau tahunan). Dalam penggunaan jaringan saraf tiruan, pemilihan input data untuk jaringan mempunyai peranan penting agar diperoleh hasil prediksi yang baik. Selanjutnya perumusan masalah dapat dirumuskan dalam pertanyaan sebagai berikut :

  1. Bagaimana cara membuat perangkat lunak untuk prediksi harga saham dari setiap perusahaan dengan menggunakan arsitektur jaringan syaraf tiruan?
  2. Variabel input apa saja yang akan dimasukkan ke dalam jaringan ?

1.3  Maksud dan Tujuan

Berdasarkan permasalahan yang diteliti, maka maksud dari penulisan tugas akhir ini adalah untuk mengaplikasikan model Jaringan Syaraf tiruan dalam memprediksi harga saham

Sedangkan tujuan yang akan dicapai dalam penelitian ini adalah :

  1. Untuk mengidentifikasi variabel input sebelum dimasukkan ke dalam jaringan.
  2. Untuk menganalisis arsitektur jaringan yang dibangun sehingga mendapatkan arsitektur jaringan yang baik.
  3. Untuk menganalisis adanya perbedaan hasil prediksi harga saham dari setiap perusahaan jika menggunakan arsitektur jaringan yang sama.
  4. Untuk menganalisis penyebab adanya perbedaan arsitektur jaringan dalam memprediksi harga saham.
  5. Untuk menganalisis keunggulan dari arsitektur jaringan dalam memprediksi harga saham dengan perangkat lunak yang dibangun.
  6. Untuk menganalisis pengaruh penambahan variabel input dalam keakuratan prediksi jaringan saraf tiruan dengan perangkat lunak yang dibuat.

1.4 Metodologi Penelitian

Metodologi yang digunakan dalam penulisan tugas akhir  ini adalah sebagai berikut :

  1. Tahap pengumpulan data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut :

a. Studi Literatur.

Pengumpulan data dengan cara mengumpulkan literatur, jurnal, paper dan bacaan-bacaan yang ada kaitannya dengan judul penelitian.

b. Observasi.

Teknik pengumpulan data dengan mengadakan penelitian dan peninjauan langsung terhadap permasalahan yang diambil.

c. Interview.

Teknik pengumpulan data dengan mengadakan tanya jawab secara langsung yang ada kaitannya dengan topik yang diambil.

2.   Tahap pembuatan perangkat lunak.

Teknik analisis data dalam pembuatan perangkat lunak menggunakan paradigma perangkat lunak secara waterfall, yang meliputi beberapa proses diantaranya:

  1. a. System / Information Engineering

Merupakan bagian dari sistem yang terbesar dalam pengerjaan suatu proyek, dimulai dengan menetapkan berbagai kebutuhan dari semua elemen yang diperlukan sistem dan mengalokasikannya kedalam pembentukan perangkat lunak.

  1. b. Analisis

Merupakan tahap menganalisis hal-hal yang diperlukan dalam pelaksanaan proyek pembuatan perangkat lunak.

  1. c. Design

Tahap penerjemahan dari data yang dianalisis kedalam bentuk yang mudah dimengerti oleh user.

  1. d. Coding

Tahap penerjemahan data atau pemecahan masalah yang telah dirancang keadalam bahasa pemrograman tertentu.

  1. e. Pengujian

Merupakan tahap pengujian terhadap perangkat lunak yang dibangun.

  1. f. Maintenance

Tahap akhir dimana suatu perangkat lunak yang sudah selesai dapat mengalami perubahan–perubahan atau penambahan sesuai dengan permintaan user.

1.5 Batasan Masalah

Penelitian yang telah banyak dilakukan dalam memprediksi harga saham menyebabkan adanya perbedaan di dalam penggunaan jaringan saraf tiruan. Dalam penelitian ini, penulis membatasi masalah sebagai berikut :

  1. Data yang diambil sebagai input jaringan didasarkan pada penelitian yang telah dilakukan oleh Trippi, et .al [12] sebanyak tiga variabel input dan penelitian yang dilkukan oleh Budi Bambang DP, et.al [3] sebanyak 5 variabel input.
  1. Sumber data berasal dari Bursa Saham Jakarta
  2. Algoritma pembelajaran yang digunakan adalah backpropagation.

1.6 Sistematika Penulisan

Sistematika penulisan proposal penelitian ini disusun untuk memberikan gambaran umum tentang penelitian yang dijalankan. Sistematika penulisan tugas akhir ini adalah sebagai berikut :

BAB I PENDAHULUAN

Menguraikan tentang latar belakang permasalahan, mencoba merumuskan inti permasalahan yang dihadapi, menentukan tujuan dan kegunaan penelitian, yang kemudian diikuti dengan pembatasan masalah, asumsi, serta sistematika penulisan.

BAB II. LANDASAN TEORI

Membahas berbagai konsep dasar dan teori-teori yang berkaitan dengan topik penelitian yang dilakukan dan hal-hal yang berguna dalam proses analisis permasalahan serta tinjauan terhadap penelitian-penelitian serupa yang telah pernah dilakukan sebelumnya termasuk sintesisnya.

BAB III. ANALISIS MASALAH

Menganalisis masalah dari model penelitian untuk memperlihatkan keterkaitan antar variabel yang diteliti serta model matematis untuk analisisnya.

BAB IV. PERANCANGAN DAN IMPLEMENTASI

Merupakan tahapan yang dilakukan dalam penelitian secara garis besar sejak dari tahap persiapan sampai penarikan kesimpulan, metode dan kaidah yang diterapkan dalam penelitian. Termasuk menentukan variabel penelitian, identifikasi data yang diperlukan dan cara pengumpulannya, penentuan sampel penelitian dan teknik pengambilannya, serta metode/teknik analisis yang akan dipergunakan dan perangkat lunak yang akan dibangun jika ada.

BAB V. KESIMPULAN DAN SARAN

Berisi kesimpulan dan saran yang sudah diperoleh dari hasil penulisan tugas akhir.

1.7 Jadwal Kegiatan

No Tahap Februari Maret April Mei Juni
I II III IV I II III IV I II III IV I II III IV I II III IV
1 Pengumpulan Referensi
2 PembuatanProposal
3 Pengumpulan Proposal
4 Perbaikan Proposal
5 Masa Bimbingan  I
6 Laporan Kemajuan I
7 Masa Bimbingan  II
8 Laporan Kemajuan II
9 Masa Bimbingan  III
10 Laporan Kemajuan III
11 Persiapan Seminar

1.8  Daftar Pustaka

[1]        A.N. Refenes, A. Zapranis and G.Francis, Stock performance modeling using neural networks : a comparative study with regression models, Neural Network 5 (1994) 961-970.

[2]        B. Tak, a New Method for Forecasting stock Prices using Artificial Neural Network and Wavelet Theory, Doctor’s Thesis, University of Pennsylvania, 1995.

[3]        Budi Bambang, et. al, Indonesia stock market prediction (SMGR/GGRM) using time series (feedforward) neural network

[4]        C. Stergiou, What is Neural Network?, SURPRISE 96 journal, vol1, Imperial College, 1996.

[5]        E.E. Peters, Chaos and order in the capitalmarkets : A new view of cycles, prices, and market volatility, John Wiley & Sons Inc, 1991.

[6]        E.F .Fama, The behaviour of stock market prices, J. Business (Jan. 1965) 34 – 105.

[7]        Grudnitski, G. and L. Osburn, ” Forecasting S&P and Gold Futures : An application of neural network”, journal of futures markets, 13(6), 1993, 631-43.

[8]        J.E. Kutsurelis, Forecasting Financial Markets Using Neural Networks : An Analysis of methods and accuracy, Master’s Thesis, Naval Postgraduate School, September 1998.

[9]        Kryzanwski. L, Galler, M., Wright, D.W., Using artificial network to pick stocks, financial analyst journal, August 1993, pp. 21-27

[10]      Manfred Steiner and Hans-Georg Wittkemper. Neural networks as an alternative stock market model. In neural networks in the Capital markets, chapter 9, pages 137-148, John Wiley and Sons, 1995.

[11]      Ramon Lawrence. Using neural networks to forecast stock market prices, 1997.

[12]      R.R.Trippi and E. Turban, Neural Networks in finance and investing : Using artificial intelligence to improve real world performance, Irwin Professional Pub, 1996.

[13]      R. Sitte and J. Sitte, Analysis of Predictive Ability of Time Delay Neural Networks Applied to the S&P 5oo Time series, proceedings of the IEEE Transactions on systems, man an Cybernatics – Part C : Applications and reviews, vol. 30, No 4, pages 568-572, November 2000.

[14]      Schoeneburg, E., Stock Price prediction using neural networks : a project report, Neurocomputing, vol. 2, 1990, pp. 17-27.

[15]      Swales, G.S. Jr. Yoon Y, applying artificial neural network to investment analysis.

[16]      T. Kimoto, K. asakawa, M.Yoda, and M. Takeoka, Stock market prediction system with modular neuralnetworks. In Proceedings of the international Joint Conference on Neural Networks, volume 1, pages 1-6,1990.

[17]      http://www.Investovedia.com/university/stocks/, stockbasic tutorial.

.

[18]      Y. Yoon and G. Swales. Predicting stock price performance : A neural network approach. In Neural Networks in Finance and Investing, chapter 19, pages 329-342, Probus Publishing Company, 1993.

[19]      Yoon, Y., guimares, T., Swales, G., Integrating artificial neural networks with rule based expert systems, Decision support Systems, vol. 11, 1994, pp. 495-57.

Tinggalkan sebuah Komentar »

Belum ada komentar.

RSS feed for comments on this post. TrackBack URI

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

Blog di WordPress.com.

%d blogger menyukai ini: